一种基于局部保留投影的高光谱图像稀疏表示分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110717485A(43)申请公布日2020.01.21(21)申请号201910978651.0(22)申请日2019.10.15(71)申请人大连海事大学地址116026辽宁省大连市高新园区凌海路1号(72)发明人于浩洋张潇胡姣婵宋梅萍尚晓笛张建祎(74)专利代理机构大连东方专利代理有限责任公司21212代理人姜玉蓉李洪福(51)Int.Cl.G06K9/20(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图5页(54)发明名称一种基于局部保留投影的高光谱图像稀疏表示分类方法(57)摘要本发明公开了一种基于局部保留投影的高光谱图像稀疏表示分类方法，包括：获取高光谱图像信息构建邻接图，计算邻接图中边的权重，结合权重信息进行特征映射获得投影变换矩阵；应用局部保留投影算法，将原始高光谱图像投影至低维度的流形子空间；采用稀疏表示分类模型对投影后的图像数据进行分类得到分类结果图像。该方法首先使用局部保留投影算法降低了原始数据的维度，保留了图像的邻域细节信息，避免冗余信息对稀疏表示产生的误差和干扰，最后稀疏表示分类模型的引入完成了对投影后的图像的分类。本方法提高了局部保留投影对于特征响应的能力，增强了稀疏表示分类模型的判定效果。CN110717485ACN110717485A权利要求书1/2页1.一种基于局部保留投影的高光谱图像稀疏表示分类方法，其特征在于包括：获取高光谱图像信息构建邻接图，计算邻接图中边的权重，结合权重信息进行特征映射获得投影变换矩阵；应用局部保留投影算法将原始高光谱图像投影至低维度的流形子空间；采用稀疏表示分类模型对投影后的图像数据进行分类得到分类结果图像。2.根据权利要求1所述的方法，其特征还在于：所述投影变换矩阵采用如下方式获取：连接图像中的相邻像素点，构建邻接图，通过图像的像元信息，计算每条连接线相应的权重，结合权重进行特征映射，采用广义特征值分解求得其特征值和特征向量，根据特征值的排列顺序，定义流形学习后的空间维度，并提取对应特征向量，组成投影变换矩阵实现最终的投影变换，具体形式为：XLXTz＝λXΛXTz(1)其中X表示原始高光谱图像，包含n个像元，B个波段，Λ是一个对角阵，Λ＝∑jWji＝∑iWij，L＝Λ-W表示拉普拉斯矩阵，Z＝(z1,z2,...zB)表示特征向量矩阵，对应升序排列的特征值λ1<λ2<...<λB，取出前m个特征值及其对应的特征向量，构成投影变换矩阵，从而LPP算法结果为：其中Zm＝(z1,z2,...zm)表示投影变换矩阵，xi,j是位于位置(i,j)的待分类像元，表示投影后的像元向量。3.根据权利要求1所述的方法，其特征还在于：采用稀疏表示分类模型对投影后的图像数据进行分类时：从投影后图像中的各个类别随机挑选已知类别信息的训练样本构建字典，采用字典和权向量表示投影后的待分类像元获取待分类像元的近似值，计算近似值与原始值的依类别残差，判定所属类别具体形式为：其中表示投影后的图像包含的任意位置的待分类像元，表示字典，其中字典的每一列表示一个训练样本向量，λ是控制稀疏约束的正则化参数，αLPSR是一个稀疏的权系数向量，||·||1表示l1范数约束，||·||2表示l2范数约束。4.根据权利要求3所述的方法，其特征还在于：计算依类别残差判定所属类别时采用如下方式获取：使用投影后的字典表示投影后的待分类像元使得根据计算得到的近似值与之间的依类别残差，残差最小对应的类别为像元的类别，待分类像元类别通过下式方程进行判定：LPSRLPSR其中φ(xi,j)表示投影后的图像包含的任意位置的待分类像元，δk(α)将α稀疏权系数向量对应到字典中不属于类别k(k∈[1,K])的位置的元素赋值为零，其中K表示2CN110717485A权利要求书2/2页原始高光谱图像X中包含的像元对应的地物类别总数，||·||2表示l2范数约束。3CN110717485A说明书1/7页一种基于局部保留投影的高光谱图像稀疏表示分类方法技术领域[0001]本发明涉及遥感图像处理技术领域，尤其涉及一种基于局部保留投影的高光谱图像稀疏表示分类方法。背景技术[0002]遥感是一门对地观测的科学技术。高光谱遥感是当前遥感技术的前沿领域，是用很窄而连续的光谱通道对地物持续遥感成像的技术，通常具有波段多，波段宽度窄，光谱分辨率高等特点。高光谱图像是一个三维数据立方体，是包含丰富的空间、光谱、辐射信息的高维数据，高光谱图像的分析与处理已经成为遥感影像研究的热点之一。[0003]分类是把多维特征空间划分为若干区域，每个区域相当于一类。高光谱图像分类对地质勘探、农作物检测、国防军事等领域起着实质性的重要作用，现有的面向高光谱图像特点的